苹果终于发布了自己的 「AI」，尽管它并不是 AI。
把 AI 解释为 「Apple Intelligence（苹果智能）」 的缩写，总会让人回想起当年在上海，杰克马面对一龙马，将 AI 释为 「Alibaba Intelligence（阿里智能）」 的尴尬时刻。
过去这些年，当众多厂商都在迫不及待地给产品冠以各种 「AI」 之名时，苹果却从未这么做，它坚持使用 「神经网络」「机器学习」 等词语，并表示 「这样描述才更准确」——面对 「人工智能」 这一概念，苹果始终保持着极大的克制和谨慎。
是 AI，但又不是 AI。尽管来迟，但不妨碍所有人都将这次发布会视为苹果迈入 AI 时代的关键一步。发布后一周，苹果股价暴涨 10%。
除名字之外，苹果这套 AI 系统和其他大模型 AI 项目依然有着根本区别。苹果的模型参量要小得多，终极目标也不是要训练出 「通用人工智能」。它最关键的任务，是将人们对 AI 的想象，从 「洞悉一切的全知神」，变成 「了解用户的贴身助手」。
make 智能手机智能 again
WWDC24 上发布的苹果智能，从功能上可以分为三大部分：文字、图像和 Siri。
其中，文字和图像相关的功能，包括文章改写、总结、语法检查、生成图片、智能 P 图，都是大家很熟悉的生成式 AI 能力。因为这部分功能所使用的端侧模型相对较小，不难预见，它的效果很可能比不上 GPT-4o 等云端大模型。
苹果 AI 真正的革命性变化，在于 Siri。
AI 模型的支持，对 Siri 进行了一次 「史诗级加强」。它理解语言的理能力增强了，并且可以跨 app 进行信息检索、调用功能。更重要的是，苹果提出了一个极为关键的概念——「个人语境」（personal context）。
简单来说，「个人语境」 包括了你的 iPhone 及其他苹果设备上正在发生的一切。比如接下来的日历事项安排、最近拍过的照片、浏览过的网页记录、朋友发送给你的链接、文件……
苹果 AI 会利用这一切的私人数据，来构建一个 「私人知识库」，用户则可以通过自然的对话交互，获取自己需要的信息，找到对应的手机功能。
比如在 AA 账单时，问 「昨天朋友发给我的吃饭小票是多少钱？」 在订机票时问 「我的护照号码是多少？」Siri 会从相册里找出护照页的照片，并提取号码；
这是 AI 与智能手机结合的焦点，是让 AI 变得 「真正有用」 的关键钥匙。目前我们熟知的大模型大都是利用公共的语料数据进行训练，形成的知识也是一种 「通识」，但普通人使用计算机和互联网时，大部分时间都是在创造和使用私人信息。
特别是智能手机已如此普及的今天，它几乎就是我们人生的 「记忆库」，储存着大量的照片、通讯记录、偶尔灵光一闪写下的笔记……这些数据在堆积之后，逐渐变得越来越难整理，而 AI 则有可能帮我们重新挖掘、组织这些记忆。
基于 「个人语境」 来构建模型和私人知识库，以及如何将部分知识与通识模型进行结合，将会是未来苹果 AI 发展的关键。
一切为了 「隐私」
技术上，苹果 AI 分为了三个大部分，对应三套模型。
首先是运行在手机上的 「本地模型」，其次是运行在苹果全栈自研服务器上的 「云端模型」，最后它还可以在系统层接入 OpenAI 的 GPT，后续还会接入更多第三方 AI 模型服务。
通过这种方式来搭建架构，是因为苹果需要谨慎而迫切解决的问题，是隐私。
根据目前苹果放出的技术资料，苹果 AI 首先会从系统层面收集各种信息，生成一个 「语义目录」，也就是 「个人语境」 的基本数据单位，供模型进行理解。第三方 app 里的数据也有对应接口，经开发者适配后，可以实现类似效果。
这些数据会经过语言和图像两个模型进行理解，之后如果本地模型的算力不够，在用户需要的时候，系统则会整合这部分语义数据，发送到苹果的服务器上，通过云端更大的模型进行理解。
这一套 「语义目录」 包含了用户最敏感的个人数据，其中很多还是在后台默认采集，才能实现 「Siri 了解了你」 的神奇效果，过程中用户可能无法很明确地知道具体哪些数据被采集了。
所以，为了实现这部分功能的隐私安全，苹果作出了不少努力和牺牲。
苹果所部署的本地模型参量虽然比不上云端大模型的千亿万亿级，但也有约 30 亿的参量。所以只有搭载 A17 Pro 芯片的 iPhone 15 Pro 系列，以及 M1 以上芯片的 iPad 和 Mac 才支持这一功能，考虑到大部分用户都会主力通过 iPhone 使用苹果 AI，这可能会极大影响到苹果 AI 早期的冷启动。包括本地模型运行时的负载，可能也会影响手机的日常发热、续航表现。
而针对云端模型和服务器，苹果也拿出了最高级别的隐私安全实践。苹果承诺不会在模型服务器上储存任何用户信息；只有当用户主动请求时才会调用云端模型介入；云端模型所使用的芯片全都是苹果自研，没有任何第三方芯片；最后，苹果表示所有的隐私承诺将经过第三方验证。
直到这一步，用户所有的数据和 GPT 等第三方大模型，都是严格隔离的。针对 GPT 的接入，苹果则做了产品层面的明显区分，只有用户 「主动输入」 的信息，才会以 prompt 的形式发送到 GPT，且过程中苹果会进行二次确认，提醒用户 「接下来将会跳转到 GPT」。
考虑到苹果已经在 iCloud 上储存了大量的用户数据，且多年来从未出现过大的泄漏安全事故，苹果在 AI 上采取的超高级别的隐私承诺似乎有点夸张。但事实证明一切还是有必要的，就在发布会后不久，Elon Musk 就针对苹果 AI 的隐私问题展开了攻击，暗示用户使用苹果 AI 就会把数据泄露给 OpenAI，尽管这一揣测还没有什么真实依据。
对苹果 AI 来说，隐私问题本身或许还能通过技术和产品设计解决，但由隐私问题所衍生出这一套分散的模型架构，才是真正的隐患和难题。
如果苹果 AI 一直高度依赖本地算力，考虑到模型规模和性能负载，它采集数据的颗粒度可能就会受到限制，停留在比较粗糙的层面，难以实现大模型那么顺畅的理解和交互。
目前在苹果 AI 的介绍页面里，整个 「个人语境」 还只能采集系统自带官方 app 的信息。第三方开发者要如何适配 AI？会不会积极适配 AI？还要打上不少个问号。
过去，苹果推出过多个系统内的便捷 API，比如能够在相册 app 里直接利用第三方 app 的编辑工具修图，以及 「快捷指令」 和 「App Clips 小程序」，这些开发套件都没有得到第三方开发者的积极适配，因为接入这些便捷功能反而会影响 app 本身的活跃和留存。类似的问题，很可能也会在苹果 AI 上重演。
所以，苹果 AI 所面临的隐私问题，其实只是一连串难题的开始。与大模型 「大力出奇迹」 的发展方法论不同，想要将 AI 与手机结合，就必须重新设计整条技术链路。
从数据如何采集，过程中保证安全，训练拟合时如何追求效率和效果，到输出时如何转化为产品的功能……这和训练大模型，做一个 「聊天机器人」 完全不同。
谨慎地期待，耐心地等待
大模型 AI 落地的主要难题，在于 「产品化」。
大模型诞生的过程，靠的是构建一个巨大的神经网络，这个神经网络是单一的，难以被 hack，更难拆分。
就像 GPT 目前严格来说依然只有 ChatGPT 这一个应用，大模型是封装好的单一系统，并不能像传统的计算机程序一样，所以就难以定义功能、产品化。
目前围绕 ChatGPT 所做的那些产品，基本都是通过 prompt 实现的，并不具备一个产品所需要的严谨性，它依然偶尔会返回错误的结果，致命的地方则在于这些错误无法被 debug。
苹果 AI 显然不是一个简单的 「语言模型」。它其中有一部分功能是基于大模型的生成能力做的，但也有另外一部分功能明显更像是 「加强版的机器学习」，比如 Siri 的搜索能力。只不过这些功能被装到了同一个篮子里，这个篮子叫 「苹果智能」。
根据苹果放出的技术文档，目前苹果的云端模型，主要处理的还是文字、图像相关的 「生成性」 任务；而最关键的 「个人语境」 构建和 Siri 的优化，大部分依然是通过本地实现，它的 「智能程度」 可能很难得到保证。
这不只是苹果一家的问题。目前还没有任何一个 AI 企业或手机厂商，成功将一个私人的数据库，与大模型的公共知识库成功结合，创造出新的智能体，即想象中的完全了解用户的智能助手——解决这个问题的难度，比想象中大得多。
按照苹果公布的开发进度，至少在明年之前，我们都无法用上中文版的苹果 AI，很显然，大量的功能代码和模型训练工作都还没有完成。
过去一年我们用 「涌现」 这个词来形容大模型的能力发展之迅速，但真正到了与实用场景结合的时候，事情依然要复杂得多，需要更长的等待。
序幕拉开了，但表演还没有开始。
本文来自微信公众号：果壳 （ID：Guokr42），作者：Jesse，编辑：卧虫